搜索结果: 91-105 共查到“计算机科学技术 聚类算法”相关记录245条 . 查询时间(0.438 秒)
基于DBSCAN的批量更新聚类算法
增量聚类 空间数据库 批量更新聚类算法
2009/8/11
为更新批量数据，提出一种基于DBSCAN的新聚类方法。该算法通过扫描原对象确定它们同增量对象间的关系，得到一个相关对象集，同时根据该相关对象和增量对象之间的关系获得新的聚类结果。实验结果表明，该算法与DBSCAN是等价的，能更有效地解决批量数据更新时的增量聚类问题。
基于不均匀密度的自动聚类算法
聚类 密度 不均匀 数据挖掘
2009/8/10
针对基于密度的聚类算法不能自动处理密度分布不均匀的数据问题，提出一种基于不均匀密度的自动聚类算法。该算法既保持了一般基于密度算法的优点，也能有效地处理分布不均匀的数据。实验结果表明，该算法是有效的。
聚类算法在银行客户细分中的应用
聚类 K-means算法 X-means算法 客户细分
2009/8/7
针对聚类算法在金融领域广泛应用的实际情况，基于银行客户数据集，对DBSCAN, K-means和X-means 3种聚类算法在执行效率、可扩展性、异常点检测能力等方面进行对比分析，并提出将X-means算法应用于银行业客户细分。利用X-means算法建立了一套银行客户细分模型，为银行决策者提供科学的决策支持。
基于竞争学习的无线传感器网络聚类算法
无线传感器网络 聚类算法 竞争学习
2009/8/6
在复杂的煤矿作业环境下，无线传感器网络面临着从节点组织、灾害发生后网络重组、救援人员所携带的传感器节点加入网络等问题。该文提出一种基于竞争学习的无线传感器网络聚类算法，归一化处理传感器节点的剩余能量和邻居节点个数，通过相似性比较实现节点间竞争。仿真表明，该算法通信能耗低，网络能耗均衡，扩展性好，抗毁能力较强。
基于向量空间模型的文本聚类算法
向量空间模型 文本聚类 语料库
2009/8/6
文本聚类是聚类的一个重要研究分支，是聚类方法在文本处理领域的应用。该文探讨了基于向量空间模型的文本聚类方法，提出了一种文本聚类的改进算法——LP算法。同时，基于语料库的实际聚类效果，就维度确定、特征选择等方面提出优化方案。实验证明，LP算法有效地减少了聚类所消耗的时间，实用性和灵活性都较高。
基于单元区域的高维数据聚类算法
聚类算法 高维数据 单元
2009/7/31
提出一种高维数据集合聚类算法(CAHD)。采用双向搜索策略在指定的n维空间或其子空间上发现数据点密集的单元区域，采用逐位相与的方法为这些密集单元区域聚类。双向搜索策略能够有效地减少搜索空间，提高算法效率，聚类密集单元区域只用到逐位与和位移2种机器指令。实验结果表明，在发现的类数量相同的情况下，CAHD算法的运行时间比其他算法减少30%。
基于局部搜索机制的K-Means聚类算法
局部搜索机制 KMLS算法 文本聚类
2009/7/31
K-Means聚类算法的结果质量依赖于初始聚类中心的选择。该文将局部搜索的思想引入K-Means算法，提出一种改进的KMLS算法。该算法对K-Means收敛后的结果使用局部搜索来使其跳出局部极值点，进而再次迭代求优。同时对局部搜索的结果使用K-Means算法使其尽快到达一个局部极值点。理论分析证明了算法的可行性和有效性，而在标准文本集上的文本聚类实验表明，相对于传统的K-Means算法，该算法改进...
基于邻接图的离群数据聚类算法
离群数据 关键域子空间 离群邻接图
2009/7/31
离群数据是数据中的小模式，因其固有的少数据与稀疏性等特征，使得基于距离或基于统计等常规聚类方式不适用于对离群数据的分类。该文根据离群对象关键域子空间的重合度，定义了离群共享属性集与离群相似度等概念，提出-离群簇分析技术。通过构建离群邻接图并将其稀疏化，将-离群簇搜索与相应的离群邻接图的最大完全子图搜索一一对应，给出一种基于邻接图的离群数据聚类算法。算例及实验结果表明...
基于免疫粒子群优化的聚类算法
聚类 免疫粒子群优化 K均值
2009/7/31
K均值算法简单快速，但其结果容易受初始聚类中心影响，并且容易陷入局部极值。该文结合粒子群优化算法和免疫系统中的免疫调节机制与免疫记忆功能对K均值算法进行改进，提出一种基于免疫粒子群优化的聚类算法。实验结果证明，该算法解决了K均值算法存在的对初值敏感的缺点，聚类结果稳定，而且比基于粒子群优化的聚类算法具有更好的聚类效果。
基于随机游走模型和KL-divergence的聚类算法
聚类 随机游走 KL散度
2009/7/30
聚类分析在数据挖掘领域有着广泛的应用，该文提出一个聚类新思路，它不需要任何参数的假设，只基于数据两两之间的相似性。该方法假设数据点之间存在随机游走关系，根据数据相似性构造随机游走过程的转移矩阵，当随机游走过程进入收敛期后，t阶转移矩阵揭示了数据点的分布。用迭代方法寻找最小的KL-divergence来对这些分布聚类。该方法具有严谨的概率理论基础，避免了传统算法需要参数假设、限于局部最优等不足。实验...
区间型数据的模糊c均值聚类算法
模糊聚类 区间型数据 距离
2009/7/30
提取区间型数据的特征值，给出适用于区间型数据模糊聚类的FCM算法族(IFCM)。该算法适用于不同特征样本数据的模糊聚类运算，并可对聚类结果进行优化。聚类效果的仿真比较表明，IFCM聚类的平均失真度比基于欧氏距离的FCM聚类算法低6.81%。由于距离定义的合理性，IFCM可以根据区间型数据的不同特点调整特征值的聚类权重，并推广至多维类型数据的模糊聚类。
改进的模糊C-均值聚类算法研究
模糊C-均值 权值 聚类
2009/7/29
为解决模糊C-均值（FCM）聚类算法对噪声和孤立点数据敏感、样本分布不均衡的问题，提出了具体的改进和提高的方法：改进隶属度函数，以消除孤立点对聚类结果的影响；为每个样本点赋模糊C-均值 权值 聚类 一个定量的权值，以区分不同的样本点对于知识发现的不同作用，改善噪音和分布不均衡的样本集的聚类结果。实验结果表明该算法具有更好的健壮性和聚类效果。
LVQ聚类算法在爆炸物THz光谱识别中的应用
THz技术 神经网络 学习矢量化网络（LVQ）聚类算法
2009/7/24
运用THz光谱特性进行爆炸物的识别，是现代检测技术研究的一个热点。由于直接对原始数据进行聚类的识别率并不理想，首先对实验样本的THz频域光谱数据曲线进行二阶导数变换，得到了更能表现数据变化趋势和峰值的特征曲线，然后基于该特征曲线利用LVQ神经网络聚类算法，设计并用VC++6.0实现了THz光谱自动分类识别系统。分别对RDX、DNT、TNT、HMX四种爆炸物进行识别对比实验，运用原始数据训练出的分类...
VDBSCAN：变密度聚类算法
基于密度的聚类 DBSCAN 数据挖掘
2009/7/24
传统的密度聚类算法不能识别并聚类多个不同密度的簇。对此提出了变密度聚类算法VDBSCAN，针对密度不稳定的数据集，可有效识别并同时聚类不同密度的簇，避免合并和遗漏。VDBSCAN算法的基本思想是：根据k-dist图和DK分析，对数据集中的不同密度层次自动选择一组Eps值，分别调用DBSCAN算法。不同的Eps值，能够找到不同密度的簇。4个二维数据集实验验证了VDBSCAN算法的有效性，表明VDBS...
半监督FCM聚类算法目标函数研究
模糊C均值（FCM）算法 半监督聚类 目标函数
2009/7/24
分析了现有半监督FCM算法目标函数的物理意义和平衡系数α的选取，说明Stutz对Pedrycz目标函数的修改使半监督的物理意义更清楚，它在α=1，0时均退化为标准FCM算法，给出了修改后SS-FCM算法的交替求解过程。实验结果：（1）修改算法与Pedrycz算法有相同的半监督作用和清楚的物理解释；（2）对labeled样本采用FCM算法赋值比用随机数的收敛稳定性高；（3）优选的少量labeled样...